<![CDATA[Penelitian tentang pengenalan wajah telah mendapat perhatian banyak para peneliti, ekstraksi fiturmenggunakan basis sinyal telah banyak dilakukan, begitu pula dengan ekstraksi fitur yang berbasis statistikjuga telah banyak dilakukan. Pada penelitian ini penulis mengusulkan pendekatan ekstraksi fitur denganmenggabungkan metode yang berbasis sinyal dan berbasis statistik, untuk sinyal penulis menggunakan TwoDimensional-Discrete Cosine Transform (DCT-2D) dan untuk basis statistiknya penulis menggunakanPrincipal Component Analysis. Untuk Data pelatihan diekstraksi menggunakan DCT 2D, hasil ekstraksikemudian disusun menjadi matrik satu baris dan dinormalisasi. Hasil ekstraksi fitur selanjutnya direduksidimensinya menggunakan Principal Component Analisys (PCA). Untuk mengukur kemiripan hasil reduksidimensi, digunakan Euclidian Distance dan sudut antara dua vektor. Eksperimen pada citra wajah basisdataYALE, menghasilkan rata-rata akurasi pengenalan untuk 6 sampel masing-masing adalah 95.153%menggunakan Euclidian Distance dan 95.03% menggunakan sudut antara dua vektor. Sedangkan untuk 7sampel data pelatihan akurasinya adalah 95.57% menggunakan euclidian distance dan 95.62% menggunakansudut antara dua vektor. Usulan metode yang penulis usulkan juga dibandingkan dengan metode lain, yaituMarkov Random Field (MRF) dan Segmentasi 2D-DCT. Hasil perbandingan menunjukkan, untuk 6 dan 7sampel, metode yang penulis usulkan lebih rendah akurasinya dibandingkan metode MRF. Dibandingkandengan metode Segmentasi 2D-DCT, untuk 6 sampel data pelatihan metode yang penulis usulkan lebih tinggiakurasinya, sedangkan untuk 7 sampel data pelatihan metode Segmentasi 2D-DCT lebih tinggi akurasinya.Kata Kunci : 2D-Discrete Cosine Transform, Principal Component Analysis, Euclidian Distance.]]>
